cv2.threshold的阈值怎么调

cv2.threshold函数的阈值可以通过调整函数的第二个参数来实现。这个参数表示阈值的数值，将图像中的像素值与该阈值进行比较。如果像素值大于阈值，则像素值保持不变；如果像素值小于等于阈值，则像素值被设为0或另一个指定的值，这取决于第四个参数的设置。

举个例子，如果你想将图像中像素值大于127的像素设为0，可以这样调用cv2.threshold函数:

t, rst = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO)

其中，img是输入图像，127就是阈值。这样，像素值大于127的像素将保持不变，小于等于127的像素被设为0。

如果你想将图像中像素值小于等于127的像素设为0，可以这样调用cv2.threshold函数:

t, rst = cv2.threshold(img, 127, 255, cv2.THRESH_TOZERO_INV)

其中，img是输入图像，127就是阈值。这样，像素值小于等于127的像素将被设为0，大于127的像素保持不变。

如果你想将图像中像素值大于127的像素设为255，小于等于127的像素设为0，可以这样调用cv2.threshold函数:

t, rst = cv2.threshold(img, 127, 255, cv2.THRESH_BINARY)

其中，img是输入图像，127就是阈值。这样，像素值大于127的像素将被设为255，小于等于127的像素被设为0。

相关问题

cv2.threshold 自适应阈值

### 使用OpenCV实现自适应阈值处理

在计算机视觉应用中，图像二值化是一个重要的预处理步骤。对于光照不均匀或背景复杂的场景，全局固定阈值可能无法获得理想的分割效果。此时可以采用自适应阈值法[^1]。

#### 自适应阈值函数介绍

`cv2.adaptiveThreshold()` 函数用于执行自适应阈值处理。该函数会根据图像局部区域的特性自动调整阈值，从而更好地应对复杂环境下的目标检测需求。

此函数具有以下几个参数：

- `src`: 输入单通道数据类型的源图像。
- `maxValue`: 阈值操作后的最大赋值。
- `adaptiveMethod`: 选择自适应方法，可选均值(`ADAPTIVE_THRESH_MEAN_C`) 或高斯加权平均 (`ADAPTIVE_THRESH_GAUSSIAN_C`)。
- `thresholdType`: 设置阈值类型，通常为 `THRESH_BINARY` 或者 `THRESH_BINARY_INV`。
- `blockSize`: 计算阈值时使用的邻域大小（奇数），即多少个像素组成的窗口尺寸。
- `C`: 常量从计算得到的均值或权重均值减去作为最终阈值前的一个偏移项。

import cv2
import numpy as np

# 加载灰度图
image = cv2.imread('example.jpg', cv2.IMREAD_GRAYSCALE)

# 应用自适应阈值 - 方法一：均值
mean_adaptive_threshold_image = cv2.adaptiveThreshold(image, 255,
                                                     cv2.ADAPTIVE_THRESH_MEAN_C,
                                                     cv2.THRESH_BINARY, 11, 2)

# 应用自适应阈值 - 方法二：高斯
gaussian_adaptive_threshold_image = cv2.adaptiveThreshold(image, 255,
                                                         cv2.ADAPTIVE_THRESH_GAUSSIAN_C,
                                                         cv2.THRESH_BINARY, 11, 2)

# 显示结果
cv2.imshow('Mean Adaptive Threshold', mean_adaptive_threshold_image)
cv2.imshow('Gaussian Adaptive Threshold', gaussian_adaptive_threshold_image)
cv2.waitKey(0)
cv2.destroyAllWindows()

上述代码展示了两种不同方式的应用实例——基于均值和平滑加权求和的方法来进行自适应阈值转换。

ret, img_binary = cv2.threshold(img_gray, 127, 255, cv2.THRESH_BINARY) # 使用cv2.threshold进行阈值处理，127是阈值（二值化） cv2.imshow('img_binary', img_binary) cv2.waitKey(0) cv2.destroyAllWindows()

这段代码使用了OpenCV库中的cv2.threshold函数对灰度图像进行二值化处理，并将处理结果通过cv2.imshow函数显示出来。其中阈值设为127，即将灰度值大于127的像素设为255，小于等于127的像素设为0，得到二值化图像img_binary。最后通过cv2.waitKey和cv2.destroyAllWindows函数实现窗口的关闭。